技术提升人岗匹配效果，我们做了这些探索 解锁这项 AI 黑科技，马上实现人岗匹配自由 第二部分 人才画像 人才画像画得好，数字化 HR 有妙招 第三部分 音视频面试 AI 面试官来袭，HR 你准备好了吗？ 第四部分 RPA 一文读懂 RPA、AI 与 HR 的关系 真技术还是伪 AI，HR 如何选择合适的智能工具？ 第五部分 智能聊天机器人 请回答 BERT：HR 聊天机器人强大聊天技能背后的秘密 模型等 本期和大家讨论下 “人岗匹配排序的探索与实践”。从人力资源管理的发展来看，人岗匹配大致 经历了三个阶段，“三历对照法”、“冰山挖掘法”、“全人匹配法”，而 AI 技术的引用将为企业迎 来第四个——“数据解剖法”。 AI 技术实现人岗匹配，离不开数据的处理和模型的选择与训练，看似高深、复杂的人岗匹配算 法模型背后，这一切是怎么实现的呢？本期院长就和大家探讨下不同模型在人岗匹配实践中的 tfidf、npmi （Normal Pointwise Mutual Information）作 为 实 体 之间 的权 重，即 表示 了 不 同实 体 之 间 关 系的强弱程度，之后再进行模型的训练。 第四步：以上都是利用无监督的方式去训练 embedding，由于 e 成科技有自己独立的人力资源 ATS 系统，包含了用户大量的真实行为数据。把其中匹配上的 CV、JD 作为正例，未匹配上的 作为负例，构造出有监督的训练数据。将

............................... 19 第三节 下游集成应用 ............................................ 21 第四节 周边配套产品 ............................................ 24 第三章 协作机器人市场概况分析 ...................... ........... 31 第三节 中国协作机器人市场竞争分析 .............................. 33 第四节 超大负载协作机器人发展概况分析 .......................... 34 第四章 协作机器人技术发展分析 ...................................... 36 第一节 协作机器人技术发展现状分析 2025 年协作机器人产业发展蓝皮书 第三节 华盛控 .................................................. 70 第四节 里工实业 ................................................ 75 第五节 华途数控 ...........................

等。 第二类市场：IoT 消费级应用。包括各种加入了 UWB 芯片的智能硬件，比如电视遥控器、宠物项圈、寻物 Tag、智能 机器人等。 第三类市场：汽车市场。典型的产品就是汽车数字钥匙等。 第四类市场：手机市场。就是手机里面加入 UWB 芯片。 IoT 企业级应用是当前已经较为成熟的市场，这个市场特点是出货量不大，但是方案价值大，单项目上千个基站项目 规模就很大，所以这个市场是属于方案商的。 情预警与援救等。 第三个是为精确化的管理措施提供技术支撑，应用领域包括司法监狱里面对受限制人员的轨迹管理、医院里面对于出 生婴儿的监护、养老院里面老人的看护、贵重资产的定位管理、电子围栏等。 第四个是提供精准的寻向导航能力，应用领域包括会展场景、博物馆、封闭园区的自动驾驶以及 C 端的寻物场景等。 在过去，UWB 的应用大多数集中在对人的管理，而随着产业越来越成熟，UWB 技术用于对物体的管理需求将会越来 基础积累优势比较明显，包括技术层面的优势以及客户与渠道资源方面的优势。UWB 作为一项高精度定位技术，能够填 补厘米级精度的市场空白，因此，很多传统定位类企业都纷纷涌入到 UWB 领域中，进行市场开拓。 第四类：高校与科研机构的成果转化，UWB高精度定位技术因为研发的技术门槛高，研发的周期也比较长，因此在早期， 国内的高校与科研机构是该技术研发的主力军之一，而随着科研成果的成熟以及 UWB 市场逐渐的发展，很多科研机构与

生命周期服务 ..........................................................................................12 第四章：案例分享 ......................................................................................... 13 Unrestricted | © Siemens 2025 | DI FA VM-F&B Future Food 第四章：案例分享 14 Unrestricted | © Siemens

数据准备与合规利用，每一个环节都至关重要。我们特别强调，坚实 的基础设施是AI应用高效运行的“底盘”，而科学的评估体系则是确 保“底盘”稳固、方向正确的“罗盘”。 第三章重点聚焦及解析的关键要素，以及第四章提出的AI变革就绪度 评估体系，是我们基于大量行业实践和深度研究的核心成果。我们认 为，仅仅拥有先进的AI算法和模型是不够的，企业更需要一个能够支 撑这些“智慧大脑”高效运转的强大“身体”，以及一套能够客观衡 2% 10% 12% 15% 34% 2% 7% 10% 20% 2% 10% 7% 2% 7% 7% 0 0.2 0.4 0.6 0.8 第一位 第二位 第三位 第四位 第五位 第六位 第七位 【硬实力】基础设施（包括数 据中心、算力、网络、存储等） 【硬实力】数据治理（包括动态 数据治理、多模态数据治理等） 【硬实力】AI应用服务优化（包 括行业场景适配、低代码开发等） 有76%的受访企业将“数据分析报告自动生成”作为 最能体现大模型能力的应用，其次是“智能客户多轮 对话优化”和“代码生成与自动化测试”，各占比 63%和44%， 分列第二和第三位。“营销文案创意生 成”占比37%，位列第四。 其中自动生成数据分析报告、生成代码和营销文案生 成这三大场景的突破集中体现出大模型技术自动化能 力的增强。例如自动生成报告主要源于大模型技术能 够自动解析海量数据，识别深层规律，并通过自然语

城市道路统计标准：本报告以电子地图测绘数据为基础，统计中心城区建成区范围内具备车辆基本通行条件的道路， 包括建成区范围内的城市快速路、主干路、次干路、支路及主要街坊路。本版报告采集数据截止于2024年第四季度3。 *注1：为保证道路网密度指标的可监测性，避免因道路施工封闭等原因引起的误差波动，本版报告中道路网密度指标按照原始数 据标准采集计算后，结果仅保留1位小数位数，部分计算结果可能存在四舍五入引起的误差。 标的历史可比性，本年度报告沿用历年报告的中 心城区建成区作为道路网密度统计范围，避免因监测范围的变动而导致数据指标的建设指导意义降低。 *注3：本报告为2025年度发布，数据采集截止于2024年第四季度。相关文字、数据图表等内容，按照数据采集年份表述。 图1 城市及行政区道路网密度计算方法示意图 中心城区建成区 中心城区内 非建设用地 中心城区 范围 建成区外道路 城市市辖区 6-6.5 6.5-7 7-7.5 7.5-8 ≥8 2024年 2023年 2.2 城市道路网密度 全国城市道路网密度稳定增长，新增两座城市达标8公里/平方公里 截至2024年第四季度，全国36个主要城市平均道路网密度为6.6km/km2 ，相较上年度6.5km/km2指标值总 体增长1.5%，主要城市总体路网密度持续增长。继深圳、厦门、成都之后，杭州和福州两城市达到8km/km²

月，国家能源局公示了第四批能源领域首台（套）重 大技术装备名单，其中新型储能领域技术装备有 12 项，涵盖了压缩 空气储能、钠离子电池储能、压缩二氧化碳储能等 9 种不同技术路 线，代表了新型储能领域技术装备的先进水平。其中，江西省铅山县 30 万千瓦 /120 万千瓦时压缩空气储能试点项目、山东省蓬莱市 4000 千瓦 /1000 千瓦时飞轮储能试点项目等 7 个新型储能试点项目入选为 第四批能源 轮储能等。2023 年 10 月，8 项新型储能技术装备入选第三批能源领 域首台（套）重大技术装备名单，涉及固态电池储能、飞轮储能、液 流电池储能等。2024 年 11 月，12 项新型储能技术装备入选第四批能 源领域首台（套）重大技术装备名单，涉及压缩空气储能、构网型储 能、智慧调控技术等。 国家能源局公布全国新型储能试点项目 2024 年 1 月，国家能源局发布 2024 年第 1 号公告，将

二、促进人工智能广泛应用，助力教育创新发展 ···· 22 三、健全智慧教育机制建设，构建良好教育生态 ···· 25 四、强化智慧教育设施保障，筑牢教育数字基座 ···· 27 ·2· 第四章 未来展望 ················································· 30 一、革新教育理念，迈向智慧教育新阶段 ············· 30 制度、网络安全监测预警制度。推动地方和学校建立个 人信息保护制度，健全覆盖数据采集、传输存储、共享 开放、使用处理等数据全生命周期保障制度，提高数据 防泄漏、防篡改、防滥用能力。 ·30· 第四章 未 来 展 望 2025 年是智慧教育元年。面对智慧教育新阶段，需 要树立人才培养新标准，开辟教育高质量发展新路径。 中国政府积极推动智能技术融入教育教学全过程，变革 教育理念

发展新 质生产力的必然要求，是推进数字中国建设的重要举措。 2 1.从全球竞争看，大力发展数智产业是抢占发展主动权的战略选择 数据和人工智能作为人类发展史上的第五大生产要素 和第四次革命性技术，已成为世界各大国新的角力场和竞争 高地。数智产业的发展水平，直接决定了数据资源的开发利 用能力和人工智能的应用广度和深度，已成为一个国家或地 区综合竞争力的关键指标，世界各国纷纷围绕数智产业作出 “隐私盾”“数据桥”等数据安全特别协议安排，实现数据 跨境流动的国家，包括美国、英国等；第三层次是正在以 GDPR 为范本修改和建立本国数据保护法的国家，包括贝林、 泰国、突尼斯、智利、巴西、加拿大等国；第四层次是不允 许个人数据流动到欧盟域外的国家。 图 37：GDPR 划分的四个层级 76 欧盟的 GDPR 充分性认定机制对全球各国的个人信息保 护立法和全球数据跨境流动产生了重要影响。一是已吸引世 6 条。 在“第四十四条 促进产业发展”中，提出“县级以上地方人 民政府及有关部门应当制定数据产业发展规划和支持数据 领域发展的政策措施，繁荣数据开发利用生态，做大做强数 据产业”；在“第四十五条 载体建设”中，提出“本省结合 实际，优化数据产业布局，推进数据特色园区、虚拟园区等 数据要素产业发展载体建设，引导企业入驻园区集聚发展， 打造数据产业集群”；在“第四十五条 创新平台”中，提出

创新驱动发展。政府主导型园区需要与高效、科研机构紧密合作，注重提升企业内生创新动力。第三， 产业聚集效应不断增强。贯彻好开发区的规划定位，集中配套主导产业和特色产业，未来能持续提高产 业聚集效应。第四，配套设施不断完善。要发挥行政力量，集中配置要素资源，提升管委会的服务意 识。第五，空间利用率不断提高。将空间利用进行精细化管理，提升和周边地区的协同发展。第六，信 息整合能力不断增强。未来，数 造。第二，盈利不稳定。前期园区收入以房租和物业费为主，多元化的盈利渠道缺乏，后期经营成本提 高，盈利空间也被压缩。第三，园区竞争力不足。企业主导型的园区顶层设计缺乏经验，主导产业和特 色产业的设计及配置竞争力不足。第四，存量资产转化难。不分园区建设之初缺乏长期规划，导致存量 资产难以盘活，此外退出机制低效，新兴产业的迭代速度慢。 图表35：大企业园区痛点梳理 资料来源：前瞻产业研究院整理 3.4 方面园区也很难进行持续的监管。第二，同质化竞争激烈。近年来生物医药、新兴软件技术等热门产业 吸引了中小微产业园的追捧，导致同类型定位趋同，存在大量的重复建设问题。第三，园区配套不充 分。中小微产业园配置相对简单，存在一定的安全隐患。第四，利益机制冲突。许多孵化器与创业者之 间没有建立真正的“共生”关系，更多是租赁性质的关系，缺乏长期合作的基础，运营团队的积极性不 高。第五，创新能力不足。中小微产业园追求的是灵活的办公空间和持续性的租金收入，对于技术创新